[1] 2 4 6 8[1] "Pedro" "Paula" "Pietro" "Paloma"[1] TRUE FALSE TRUE FALSEAula 2 - Conhecendo seus Dados
Escola de Métodos em Ciência Política
Frederico Bertholini
Vetores
O que são vetores?
- Vetores são combinações de valores em uma estrutura unidimensional
- Ou seja, podem ser combinações de números, valores lógicos, nomes e várias outras possibilidades
- Por exemplo, combinação de valores pares: 2,4,6,8
- Ou a combinações de nomes começando por P: Pedro, Paula, Pietro, Paloma
- Combinação de valores lógico: TRUE, FALSE, TRUE, TRUE
Criação de vetores
- Para criar vetores é importante combinar valores
- A função necessária para a criação de vetores é a função c(), c de combine ou concatenate
Etiquetas para vetores
- Assim como fizemos com os valores, atribuímos também etiquetas aos vetores
- Dessa maneira, podemos trabalhar com as sequências ao longo do script, assim como dar razão ou justificativa aos valores combinados
Classes dos vetores
- Os vetores também possuem classes
- Essas categorias determinam as operações possíveis dentro de um vetor
- Para obter a informação sobre a classe de um vetor, utilizamos a função class()
Comprimento de vetores
- Os vetores podem ser medidos em relação ao seu comprimento
- O seu comprimento define a extensão do vetor, assim como quantos elementos estão presentes dentro da combinação de valores
- O comprimento pode ser medido pela função length()
Somatório de vetores
- Para vetores númerico podemos somar os valores de um vetor
- A função se chama sum() que corresponde ao \(\sum\)
- Em vetores com valores lógicos, com TRUE e FALSE, o sum soma o número de T que temos dentro de um vetor
Somatório de vetores lógicos
- A função sum() pode se tornar ainda um contador de um teste
- Por exemplo, queremos saber quantos nomes são iguais ao de Pedro no vetor ‘nomes.com.p’
Seleção de elementos
- Queremos selecionar no vetor nomes.com.p o segundo elemento que é Paula
- Vejamos, primeiro, como se compõe o vetor de caracteres nomes.com.p e a lógica do posicionamento dentro do vetor
Usando %in% na Seleção de elementos
- Vamos testar se Paula se inclui dentro do vetor sem termos que ver no console
- As vezes, vetores são maiores do que temos como exemplo
- Para o teste lógico, utilizamos o operador %in%, que retorna TRUE, caso o valor esteja incluso no vetor
Regras de Seleção de elementos
- Algumas operações se restrigem a determinados elementos ou a um conjunto deles incluso dentro de um vetor
- Para realizar tais procedimentos precisamos saber escolher elementos
- Para isso, utilizaremos o operador ‘[]’ depois de apontar o vetor
- Mais especificamente: Vetor; []; Posição ou regra;
Alternativas de Seleção 1
- Para escolhar Paula, portanto, vamos definir como a segunda posição dentro do vetor
- O posicionamento dos nomes ao longo do vetor determina como seleciona-lo individualmente
- Porém, podemos selecionar através do valor
Alternativas de Seleção 2
- Selecionamos também o último valor do vetor nomes.com.p
- Sabemos que o vetor possui 4 valores utilizando a função length()
Alternativas de Seleção 3
- Assim o último valor é igual a 4
- Para selecionarmos o último valor, ou definimos como a posição 4 ou apenas o length() do vetor
Seleção de elementos
- Para seleção de elementos através de regras, podemos utilizar o vetor númerico de n.pares
- O objetivo aqui é selecionar os elementos maiores que 5, que é a mediana do vetor
Seleção de elementos
- Selecionamos, assim, os elementos acima da mediana do vetor n.pares, que são os valores 6 e 8
- Ou ainda podemos definir o valor 5 como o valor da mediana
- O resultado é o mesmo, porém, deixa claro ao leitor do seu script que se trata dos valores acima da mediana do vetor n.pares
Operações matemáticas
Operações com vetores
- Em vetores numéricos, podemos fazer operações matemáticas a partir do seu posicionamento
- Vamos calcular o alcance do vetor “n.pares”
- Subtraindo esses dois elementos, temos o alcance do vetor
Operações com vetores
- Ainda em vetores numéricos, vamos calcular vetores com regras
- Selecionamos elementos maiores que 5
- Queremos duplicar os valores inclusos dentro da condição
- Por fim, operacionar um conjunto com um elemento
Conjuntos
- Utilizamos a teoria de conjuntos no R com a função de manipular e identificar elementos comuns ou diferente entre vetores
- Já temos o vetor “n.pares” e vamos criar um vetor com números naturais
- Se perguntarmos por valores que não estão no vetor “n.naturais”, o resultado será conjunto vazio
Conjuntos
- Outro ponto importante é saber se os elementos estão contidos dentro de outro vetor
- A pergunta a se fazer é: os elementos do vetor “n.partidos” está contido no vetor “n.naturais”
- No R, contidos é igual a %in%
Conjuntos
- Isto é, o vetor “n.pares” está contido no vetor “n.naturais” e é um subconjunto
- Outra maneira é utilizando a função is.element()
Conjuntos
- Para encontrar os valores exclusivos de um conjunto, vamos utilizar a escrita da seleção de elementos
- Podemos incluir a notação de “!”, que quer dizer diferente
- Portanto, selecionamos os valores que estão contido no conjunto dos naturais, porém não no conjunto dos valores pares
Conjuntos
- Por fim, vamos testar se um valor está presente em um desses vetores
- Testaremos os valores 1, 11 e 21
[1] TRUE[1] FALSE[1] FALSE- Assim, não temos os valores 11 e 21 em nenhum dos vetores, entendidos como conjuntos
data.frame
data.frame
Um
data.frameé o mesmo que uma tabela do SQL ou uma planilha Excelseus dados provavelmente serão importados para um objeto data.frame
data.frame’s são listas especiais em que todos os elementos possuem o mesmo comprimento.
Cada elemento dessa lista pode ser pensado como uma coluna da tabela - ou como uma variável. Uso do ‘$’
Seu comprimento representa o número de linhas - ou seja, de observações
Estrutura de dados - data.frame
data.frame de perto
- Como data.frames’s são listas, suas colunas podem ser de classes diferentes. Essa é a grande diferença entre data.frame’s e matrizes.
Funções úteis:
head() # Mostra as primeiras 6 linhas.
tail() # Mostra as últimas 6 linhas.
dim() # Número de linhas e de colunas.
names() # Os nomes das colunas (variáveis).
str() # Estrutura do data.frame. Mostra, entre outras coisas, as >classes de cada coluna.
cbind() # Acopla duas tabelas lado a lado.
rbind() # Empilha duas tabelas.Pacotes
O que são pacotes
- O R possui diversas funções já instaladas dentro da sua programação
- Exemplos são sum(), length(), class(), c()
- Outras, porém, devem ser instaladas para que possam ser utilizadas pelos usuários
- A maneira com a qual instalamos novas funções, não definidas anteriormente no software, é através de pacotes
- Pacotes concentram diversas funções para diversas demandas
Importação de dados;
Organização de banco de dados;
Análises estatísticas específicas;
Gráficos diferenciados;
O que são pacotes
- A instalação de qualquer pacote pode ser feita por dentro do R
- Para isso, porém, é preciso primeiro conexão com a internet, já que o R busca o novo pacote no repositório de pacotes
- A função para instalar pacote, portanto, é install.packages()
- O nome da nova função deve vir, primeiramente entre parenteses
- Podemos começar instalando o pacote para importação de bases de dados: foreign
- Após alguns segundos, e algumas mensagens no console, a instalação será efetivada
Ativar pacotes
- Cada pacote, inclusive o foreign, tem uma documentação disponível na internet
- Nessa documentação estão disponíveis as funções que o pacote possui, além do nome do seu criador
- As função não ficam disponíveis assim que o pacote termina a instalação
- Para ativar as funções do pacote, é preciso utilizar a função library()
- Repare, que uma vez instalado, o nome do pacote não precisa mais estar entre aspas
Ativar pacotes
- Portanto, para começarmos o procedimento de instalação do pacote, seguimos os passos a seguir:
Caso não esteja instalado, instalar o pacote através da função install.packages();
Para ativar o pacote, utilizar a função library() sem as aspas no nome do pacote instalado
- Uma vez instalado o pacote, não é preciso instalar mais a não ser que você reinstale o R
Importação de dados
Passo a passo
- A importação é uma das tarefas que demandam mais atenção no R
- É preciso ter um conhecimento prévio de como sua base externa está constituída
- Outra informação importante é a extensão do arquivo da base
- Primeiramente, a informação que deve ser dada ao software é onde está a base - diretório de trabalho
- A função necessária é setwd() que define o diretório da sua seção no R
- Dentro da função, iremos inserir o local do arquivo
Em caso de Windows, inverta as barras ou duplique;
Não se esqueça das aspas;
Passo a passo
- Esse diretório definido significa que as bases e os gráficos produzidos serão enviados para essa pasta
- Finalmente, vamos importar as bases de dados
- Primeiro, vamos importar a base de extensão txt com o nome baserm
- Não é preciso de pacote para esse procedimento
- Repare que definimos a base dentro das aspas e com a extensão
- Na segunda linha, o primeiro argumento é o texto, o segundo argumento trata de como os dados estão separados, geralmente txt vem separado assim
Passo a passo
- No pacote foreign, a forma mais genérica de importação da base é o read.table()
- Entretanto, o pacote apresenta uma série de especialidades, a depender da extensão em questão
- Para CSV, vimos que tem a read.csv(). Já para dta, base de origem do stata, temos a função read.dta()
- O pacote foreign não possui a extensão xlsx e xls, extensão muito encontrada e comum entre as bases de dados disponíveis
- Para isso, vamos instalar um novo pacote readxl
- Esse pacote disponibiliza as funções read_xls() e read_xlsx()
Passo a passo
- Vamos ativar as funções disponíveis no pacote readxl com a função library()
- Vamos importar a base controle_cgu_municípios.xlsx
- Repare que acessamos apenas a primeira página da base
- Para acessarmos a segunda páginas, utilizamos o argumento sheet=2
- Alguns sinais de alerta surgem, porém não se trata de erro
Importação por pacote
- Por fim, podemos importar dados através de pacotes
- Após ativar o pacote “ElectionsBR”, a função legend_fed() fica disponível para a importação
- Como toda a função, ou quase todas, possui argumentos importantes:
- ‘year =’ se refere ao ano de extração
- ‘uf =’ se refere à UF
Importação
- Vamos começar importando dados de coalizões pré-eleitorais (coligações) do DF em 2018, nos retornando um objeto em ‘tbl_df’ e data frame
|
| | 0%
|
|== | 3%
|
|===== | 7%
|
|======== | 11%
|
|========== | 15%
|
|=========== | 16%
|
|================= | 24%
|
|===================== | 31%
|
|========================== | 37%
|
|============================ | 40%
|
|=================================== | 50%
|
|===================================== | 54%
|
|======================================== | 57%
|
|============================================= | 64%
|
|================================================= | 71%
|
|====================================================== | 77%
|
|================================================================== | 94%
|
|==================================================================== | 97%
|
|======================================================================| 100% - Provavelmente, demorará alguns segundos, até minutos, para a importação
- Além disso, essa forma **demanda acesso à internet**Visualizando a base
- Primeira coisa importante de se informar é a classe desses objetos
- Temos 3 objetos: baserm, cgu e leg_df_2018
Visualizando a base
- Uma visão completa da base é o comando View()
- Entretanto, cuidado, dependendo do tamanho da base, podemos travar o software
- Repare no V maiúsculo, lembre-se que o R é bastante sensível na sua linguagem
- O View() abre uma nova aba com a base no formato de grade
- Podemos, assim, visualizar a base de dados na forma mais intuitiva
Visualizando a base
- Porém, para bases grandes, sabemos que é grande demais para sua visualização ser feita através do View()
- Algumas funções podem nos ajudar nessa tarefa
- A primeira é o dim, que as dimensões da base
- O primeiro valor sempre retrata o número de linhas, ou observações, enquanto o segundo valor apresenta o número de colunas, ou variáveis
- As funções ncol() e length() também fazem isso
Visualizando a base
- Outra função importante na visualização de bases de dados é a lista de nomes
- A função names() descreve as variáveis presentes na base
- Isso facilita no momento de selecionar as variáveis que entrarão na análise de vocês
[1] "DT_GERACAO" "HH_GERACAO"
[3] "ANO_ELEICAO" "CD_TIPO_ELEICAO"
[5] "NM_TIPO_ELEICAO" "NR_TURNO"
[7] "CD_ELEICAO" "DS_ELEICAO"
[9] "DT_ELEICAO" "SG_UF"
[11] "SG_UE" "NM_UE"
[13] "CD_CARGO" "DS_CARGO"
[15] "TP_AGREMIACAO" "NR_PARTIDO"
[17] "SG_PARTIDO" "NM_PARTIDO"
[19] "SQ_COLIGACAO" "NM_COLIGACAO"
[21] "DS_COMPOSICAO_COLIGACAO" "CD_SITUACAO_LEGENDA"
[23] "DS_SITUACAO" Visualizando a base - str()
- Outra função possível é o str()
- Essa função apresenta o nome das variáveis, a classe de cada uma delas e os primeiros valores
tibble [251 × 23] (S3: tbl_df/tbl/data.frame)
$ DT_GERACAO : chr [1:251] "03/03/2024" "03/03/2024" "03/03/2024" "03/03/2024" ...
$ HH_GERACAO : 'hms' num [1:251] 11:01:19 11:01:19 11:01:19 11:01:19 ...
..- attr(*, "units")= chr "secs"
$ ANO_ELEICAO : num [1:251] 2018 2018 2018 2018 2018 ...
$ CD_TIPO_ELEICAO : num [1:251] 2 2 2 2 2 2 2 2 2 2 ...
$ NM_TIPO_ELEICAO : chr [1:251] "ELEIÇÃO ORDINÁRIA" "ELEIÇÃO ORDINÁRIA" "ELEIÇÃO ORDINÁRIA" "ELEIÇÃO ORDINÁRIA" ...
$ NR_TURNO : num [1:251] 1 1 1 1 1 1 1 1 1 1 ...
$ CD_ELEICAO : num [1:251] 297 297 297 297 297 297 297 297 297 297 ...
$ DS_ELEICAO : chr [1:251] "Eleições Gerais Estaduais 2018" "Eleições Gerais Estaduais 2018" "Eleições Gerais Estaduais 2018" "Eleições Gerais Estaduais 2018" ...
$ DT_ELEICAO : chr [1:251] "07/10/2018" "07/10/2018" "07/10/2018" "07/10/2018" ...
$ SG_UF : chr [1:251] "DF" "DF" "DF" "DF" ...
$ SG_UE : chr [1:251] "DF" "DF" "DF" "DF" ...
$ NM_UE : chr [1:251] "DISTRITO FEDERAL" "DISTRITO FEDERAL" "DISTRITO FEDERAL" "DISTRITO FEDERAL" ...
$ CD_CARGO : num [1:251] 8 5 5 10 8 4 5 4 9 5 ...
$ DS_CARGO : chr [1:251] "DEPUTADO DISTRITAL" "SENADOR" "SENADOR" "2º SUPLENTE" ...
$ TP_AGREMIACAO : chr [1:251] "COLIGAÇÃO" "COLIGAÇÃO" "COLIGAÇÃO" "COLIGAÇÃO" ...
$ NR_PARTIDO : num [1:251] 21 90 54 70 28 36 77 28 14 23 ...
$ SG_PARTIDO : chr [1:251] "PCB" "PROS" "PPL" "AVANTE" ...
$ NM_PARTIDO : chr [1:251] "PARTIDO COMUNISTA BRASILEIRO" "PARTIDO REPUBLICANO DA ORDEM SOCIAL" "PARTIDO PÁTRIA LIVRE" "AVANTE" ...
$ SQ_COLIGACAO : num [1:251] 7e+10 7e+10 7e+10 7e+10 7e+10 ...
$ NM_COLIGACAO : chr [1:251] "ELAS POR NÓS: SEM MEDO DE MUDAR O DF" "JUNTOS DE VOCÊ" "PRA FAZER A DIFERENÇA" "PRA FAZER A DIFERENÇA" ...
$ DS_COMPOSICAO_COLIGACAO: chr [1:251] "PSOL / PCB" "PROS / PTB / PHS / PATRIOTA / PMN / PTC / PMB" "MDB / PP / AVANTE / PSL / PPL" "MDB / PP / AVANTE / PSL / PPL" ...
$ CD_SITUACAO_LEGENDA : chr [1:251] "D" "D" "D" "D" ...
$ DS_SITUACAO : chr [1:251] "DEFERIDO" "DEFERIDO" "DEFERIDO" "DEFERIDO" ...
- attr(*, ".internal.selfref")=<externalptr> Visualizando a base - head()
- Finalmente, a função head() e tail()
- A primeira função apresenta os primeiros valores de uma base de dados
# A tibble: 2 × 23
DT_GERACAO HH_GERACAO ANO_ELEICAO CD_TIPO_ELEICAO NM_TIPO_ELEICAO NR_TURNO
<chr> <time> <dbl> <dbl> <chr> <dbl>
1 03/03/2024 11:01:19 2018 2 ELEIÇÃO ORDINÁRIA 1
2 03/03/2024 11:01:19 2018 2 ELEIÇÃO ORDINÁRIA 1
# ℹ 17 more variables: CD_ELEICAO <dbl>, DS_ELEICAO <chr>, DT_ELEICAO <chr>,
# SG_UF <chr>, SG_UE <chr>, NM_UE <chr>, CD_CARGO <dbl>, DS_CARGO <chr>,
# TP_AGREMIACAO <chr>, NR_PARTIDO <dbl>, SG_PARTIDO <chr>, NM_PARTIDO <chr>,
# SQ_COLIGACAO <dbl>, NM_COLIGACAO <chr>, DS_COMPOSICAO_COLIGACAO <chr>,
# CD_SITUACAO_LEGENDA <chr>, DS_SITUACAO <chr>- O segundo argumento serve para indicar quantas linhas serão apresentadas
Visualizando a base - head()
- Tail(), por outro lado, apresenta os últimos valores de uma base de dados
# A tibble: 2 × 23
DT_GERACAO HH_GERACAO ANO_ELEICAO CD_TIPO_ELEICAO NM_TIPO_ELEICAO NR_TURNO
<chr> <time> <dbl> <dbl> <chr> <dbl>
1 03/03/2024 11:01:19 2018 2 ELEIÇÃO ORDINÁRIA 1
2 03/03/2024 11:01:19 2018 2 ELEIÇÃO ORDINÁRIA 1
# ℹ 17 more variables: CD_ELEICAO <dbl>, DS_ELEICAO <chr>, DT_ELEICAO <chr>,
# SG_UF <chr>, SG_UE <chr>, NM_UE <chr>, CD_CARGO <dbl>, DS_CARGO <chr>,
# TP_AGREMIACAO <chr>, NR_PARTIDO <dbl>, SG_PARTIDO <chr>, NM_PARTIDO <chr>,
# SQ_COLIGACAO <dbl>, NM_COLIGACAO <chr>, DS_COMPOSICAO_COLIGACAO <chr>,
# CD_SITUACAO_LEGENDA <chr>, DS_SITUACAO <chr>
CURSO DE R